Mérnökgeodéziai hálózatok feldolgozása
|
|
- Ida Nagyné
- 5 évvel ezelőtt
- Látták:
Átírás
1 Mérnökgeodéziai hálózatok feldolgozása dr. Siki Zoltán XIV. Földmérő Találkozó Gyergyószentmiklós
2 Mérnökgeodéziai hálózatok nagy relatív pontosságú hálózatok (1/ , 1/ ), pontok távolsága néhány tíz, száz méter, a magas fölösmérés szám könnyen biztosítható, mm-es vagy kisebb elvárt középhibák Pontosság fokozására hálózat kiegyenlítés, durvahiba szűrés, kedvezőbb (homogénebb) középhibakép érdekében szabad hálózat Szabad hálózat Beillesztett hálózat
3 Szabad hálózat kiegyenlítés Előny nincsenek kényszerek, jobb középhiba kép Hátrány a normál egyenletrendszer együttható mátrix determinánsa nulla, nem létezik reguláris inverz Megoldási módszerek Moore-Penrose pseudo inverz (N + ) Zérus sajátértékekhez tartozó sajátvektorokkal bővítés, pl. szintezési hálózatban az előzetes magasságok súlypontja maradjon helyben svd singular value decomposition A mai informatikai eszközökkel nem okoz gondot a szinguláris egyenletrendszer megoldása.
4 Durvahiba kimutatás Hiba típusok (véletlen, szabályos, durva) Véletlen hibák Normális eloszlás 1/2/3 σ (szigma) szabály (68%/95%/99.7%) II. kiegyenlítési csoport (közvetett mérések) Csak véletlen hibák esetén alkalmazható Durva hiba esetén valamennyi eredményt torzítja
5 Durvahiba kimutatás Hiba típusok (véletlen, szabályos, durva) Véletlen hibák Normális eloszlás 1/2/3 σ (szigma) szabály (68%/95%/99.7%) II. kiegyenlítési csoport (közvetett mérések) Csak véletlen hibák esetén alkalmazható Durva hiba esetén valamennyi eredményt torzítja
6 Statisztikai módszerek a priori és a posteriori súlyegység középhibák (µ 0,m 0 )vizsgálata χ 2 f,α/2 próba Mérések egyenkénti vizsgálata, standardizált javítások alapján w i < t p,f Student -féle t eloszlás (Baarda-féle data snooping) χ 2 = vt P v μ f, / f,1 / 2 Q XX = N -1 Q UU = A Q XX A* Q vv = P -1 - Q UU w i = v i m vi
7 Durva hiba szűrés végrehajtása Súlyegység középhibára vonatkozó statisztikai próba Iterációs megoldás (Baarda-féle data snooping) 1.Kiegyenlítés II. kiegyenlítési csoporttal (közvetett mérések) 2.Statisztikák számítása (standardizált javítások) 3.Legnagyobb statisztikával bíró mérés kihagyása, mely az adott szignifikancia szinten nem elfogadható 4. Ismétlés az 1. ponttól amíg van kihagyandó mérés
8 Durva hiba szűrés eredménye Két mérés kiszűrése után a koordináta középhibák a felére csökkentek! 36 2 = 34 m0 aposteriori 1.58 max. statisztika 3.07 > 1.94 m0 aposteriori 1.05 max. statisztika 1.93 < 1.94 Pont Y [m] X [m] my [mm] mx [mm] Y X my [mm] mx [mm]
9 Mozgásvizsgálati hálózat Psz A [mm] B [mm] Fi [Grad] A A A3 6.1 A A A
10 Nyílt forráskódú programok GNU GaMa GaMa Local 1D, 2D, 3D geodéziai hálózatok kiegyenlítése Statisztikai próbák alkalmazása Octave, QtOctave Általános célú matematikai programcsomag Mátrix műveletek, eloszlás függvények Euler Általános célú matematikai programcsomag Mátrix műveletek R Matematikai statisztikai programcsomag
11 GNU GaMa XML imput Parancssori használat Grafikus felhasználói felület - GeoEasy <?xml version="1.0"?> <!DOCTYPE gama-xml SYSTEM "gama-xml.dtd"> <gama-local version="2.0"> <network axes-xy="ne" angles="right-handed"> <description> GeoEasy 2D network </description> <parameters sigma-apr = "1" conf-pr = "0.95" tol-abs = "1000" sigma-act = "aposteriori" updateconstrained-coordinates="yes" /> <points-observations distance-stdev=" " direction-stdev="3" angle-stdev="4"> <point id="5" y=" " x=" " adj="xy" /> <point id="4" y="78.135" x=" " adj="xy" /> <point id="3" y=" " x=" " adj="xy" /> <point id="2" y=" " x="0.000" adj="xy" /> <point id="1" y="0.000" x="0.000" adj="xy" /> <obs from="5"> <distance to="4" val=" " stdev="1.208" /> <distance to="3" val=" " stdev="1.478" /> <distance to="2" val=" " stdev="1.711" /> xy -ismeretlen pont XY- ismeretlen + minimum felt. FIX -rögzített pont
12 GNU GaMa 2 Egyenletek száma : 33 Ismeretlenek száma: 15 Szabadságfok : 21 Hálózati defektus : 3 m0 apriori : 1.00 m0' aposteriori: 1.01 [pvv] : e+001 Statisztikai analízis - aposteriori középhiba konfidencia szint 95 % GaMa output m0' aposteriori / m0 apriori: % intervallum (0.700, 1.300) m0'/m0 értéket tartalmazza m0'/m0 (távolság): m0'/m0 (irány): Egy mérés elhagyásával elérhető maximális csökkenés az m0''/m0 értékben : Maximális studentizált javítás 1.99 eléri a kritikus értéket 1.94 szignifikancia szint 5 % az észlelésnél #28 <distance from="2" to="1" val=" " stdev="1.3" />... Test Kolmogorov-Smirnov : 94.4 %
13 Megoldás Octave programmal N = A' * P * A; % szinguláris együttható mátrix? if (n > rank(n)) Ninv = pinv(n); else Ninv = inv(n); endif % fölösmérés szám f = m - rank(n); % ismeretlenek változása x = Ninv * A' * P * l; % javítások "/cm v = A * x - l; % számítási ellenőrzés w1 = v' * P * v; w2 = -l' * P * v; % súlyegység középhiba m0 = sqrt((w1) / f); % ismeretlenek középhibája mx = m0 * sqrt(diag(ninv));
14 Ezen a fejlesztésen még dolgozunk...
Mérnökgeodéziai hálózatok dr. Siki Zoltán
Mérnökgeodéziai hálózatok dr. Siki Zoltán siki@agt.bme.hu Mérnökgeodézia BSc Mérnökgeodéziai hálózatok nagy relatív pontosságú hálózatok (1/1, 1/1), pontok távolsága néhány tíz, száz méter, Homogén hálózat:
RészletesebbenHálózat kiegyenlítés dr. Siki Zoltán
Hálózat kiegyenlítés dr. Siki Zoltán siki.zoltan@epito.bme.hu 2017-09-26 MMK-GGT Továbbképzési tananyag 2016-2017 1 Legkisebb négyzetek módszere Közvetítő egyenletek, kapcsolat az ismeretlenek és a mérési
RészletesebbenPaksi Atomerőmű II. blokk lokalizációs torony deformáció mérése
Siki Zoltán, Dede Károly, Homolya András, Kiss Antal (BME-ÁFGT) Paksi Atomerőmű II. blokk lokalizációs torony deformáció mérése siki@agt.bme.hu http://www.agt.bme.hu Geomatikai Szeminárium, 2008 Sopron
RészletesebbenHálózat kiegyenlítés modul
Hálózat modul GeoEasy V2.05+ Geodéziai Feldolgozó Program (c)digikom Kft. 2008-2010 Tartalomjegyzék Bevezetés A előkészítése A végrehajtása A eredményei Exportálás GNU GaMa XML formátumba Bevezetés A Hálózat
RészletesebbenMatematikai geodéziai számítások 8.
Matematikai geodéziai számítások 8 Szintezési hálózat kiegyenlítése Dr Bácsatyai, László Matematikai geodéziai számítások 8: Szintezési hálózat kiegyenlítése Dr Bácsatyai, László Lektor: Dr Benedek, Judit
RészletesebbenMatematikai geodéziai számítások 10.
Matematikai geodéziai számítások 10. Hibaellipszis, talpponti görbe és közepes ponthiba Dr. Bácsatyai, László Matematikai geodéziai számítások 10.: Hibaellipszis, talpponti görbe és Dr. Bácsatyai, László
RészletesebbenMatematikai geodéziai számítások 8.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr Bácsatyai László Matematikai geodéziai számítások 8 MGS8 modul Szintezési hálózat kiegyenlítése SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői
RészletesebbenMatematikai geodéziai számítások 9.
Matematikai geodéziai számítások 9 Szabad álláspont kiegyenlítése Dr Bácsatyai, László Created by XMLmind XSL-FO Converter Matematikai geodéziai számítások 9: Szabad álláspont kiegyenlítése Dr Bácsatyai,
RészletesebbenSTATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése
4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól
RészletesebbenMatematikai geodéziai számítások 6.
Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre
RészletesebbenMatematikai geodéziai számítások 9.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr Bácsatyai László Matematikai geodéziai számítások 9 MGS9 modul Szabad álláspont kiegyenlítése SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői
RészletesebbenMatematikai geodéziai számítások 5.
Matematikai geodéziai számítások 5 Hibaterjedési feladatok Dr Bácsatyai László Matematikai geodéziai számítások 5: Hibaterjedési feladatok Dr Bácsatyai László Lektor: Dr Benedek Judit Ez a modul a TÁMOP
RészletesebbenAnyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek
Anyagvizsgálati módszerek Mérési adatok feldolgozása Anyagvizsgálati módszerek Pannon Egyetem Mérnöki Kar Anyagvizsgálati módszerek Statisztika 1/ 22 Mérési eredmények felhasználása Tulajdonságok hierarchikus
RészletesebbenA vasbetonszerkezetes lakóépületek geodéziai munkái
A vasbetonszerkezetes lakóépületek geodéziai munkái SZAKDOLGOZAT SOMLÓ CSABA Geodéziai feladatok az építıipar területein Alapadatok beszerzése Alappontok Digitális földmérési nyilvántartási térkép Digitális
RészletesebbenGeoCalc 3 Bemutatása
3 Bemutatása Gyenes Róbert & Kulcsár Attila 1 A 3 egy geodéziai programcsomag, ami a terepen felmért, manuálisan és/vagy adatrögzítővel tárolt adatok feldolgozására szolgál. Adatrögzítő A modul a felmérési
RészletesebbenMatematikai geodéziai számítások 6.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr. Bácsatyai László Matematikai geodéziai számítások 6. MGS6 modul Lineáris regresszió számítás elektronikus távmérőkre SZÉKESFEHÉRVÁR 2010 Jelen szellemi
Részletesebbeny ij = µ + α i + e ij
Elmélet STATISZTIKA 3. Előadás Variancia-analízis Lineáris modellek A magyarázat a függő változó teljes heterogenitásának két részre bontását jelenti. A teljes heterogenitás egyik része az, amelynek okai
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika
RészletesebbenAlap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )
Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 7. Előadás Egyenletes eloszlás Binomiális eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell /56 Matematikai statisztika Reprezentatív mintavétel
RészletesebbenBevezetés. 1. előadás
Bevezetés. előadás Tartalom Bevezetés A LKN kiegyenlítés különböző esetei Pontossági mérőszámok Geodéziai hálózatok kiegyenlítése S-transzformáció 2 Bevezetés A kiegyenlítő számítások: (nem csak) geodéziai
RészletesebbenSzinguláris érték felbontás Singular Value Decomposition
Szinguláris érték felbontás Singular Value Decomposition Borbély Gábor 7. április... Tétel (teljes SVD. Legyen A C m n mátrix (valósra is jó, ekkor léteznek U C m m és V C n n unitér mátrixok (valósban
RészletesebbenBevezetés a hipotézisvizsgálatokba
Bevezetés a hipotézisvizsgálatokba Nullhipotézis: pl. az átlag egy adott µ becslése : M ( x -µ ) = 0 Alternatív hipotézis: : M ( x -µ ) 0 Szignifikancia: - teljes bizonyosság csak teljes enumerációra -
RészletesebbenHipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok
STATISZTIKA 1. Előadás Hipotézisvizsgálatok Tematika 1. Hipotézis vizsgálatok 2. t-próbák 3. Variancia-analízis 4. A variancia-analízis validálása, erőfüggvény 5. Korreláció számítás 6. Kétváltozós lineáris
RészletesebbenHipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás
STATISZTIKA Hipotézis, sejtés 11. Előadás Hipotézisvizsgálatok, nem paraméteres próbák Tudományos hipotézis Nullhipotézis felállítása (H 0 ): Kétmintás hipotézisek Munkahipotézis (H a ) Nullhipotézis (H
RészletesebbenExcel segédlet Üzleti statisztika tantárgyhoz
Miskolci Egyetem Üzleti Statisztika és Előrejelzési Intézeti Tanszék Excel segédlet Üzleti statisztika tantárgyhoz. Z próba einek meghatározása óbafüggvény: x - m z = ; vagy σ/ n x - m z = ; vagy s/ n
RészletesebbenMatematika (mesterképzés)
Matematika (mesterképzés) Környezet- és Településmérnököknek Debreceni Egyetem Műszaki Kar, Műszaki Alaptárgyi Tanszék Vinczéné Varga A. Környezet- és Településmérnököknek 2016/2017/I 1 / 29 Lineáris tér,
RészletesebbenPrincipal Component Analysis
Principal Component Analysis Principal Component Analysis Principal Component Analysis Definíció Ortogonális transzformáció, amely az adatokat egy új koordinátarendszerbe transzformálja úgy, hogy a koordináták
RészletesebbenMozgásvizsgálatok. Mérnökgeodézia II. Ágfalvi Mihály - Tóth Zoltán
Mérnökgeodézia II. Ágfalvi Mihály - Tóth Zoltán Célja: Várható elmozdulások előrejelzése (erőhatások alatt, Siógemenci árvízkapu) Már bekövetkezett mozgások okainak vizsgálata (Pl. kulcsi löszpart) Laboratóriumi
Részletesebbenbiometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás
Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát
RészletesebbenBiostatisztika VIII. Mátyus László. 19 October
Biostatisztika VIII Mátyus László 19 October 2010 1 Ha σ nem ismert A gyakorlatban ritkán ismerjük σ-t. Ha kiszámítjuk s-t a minta alapján, akkor becsülhetjük σ-t. Ez további bizonytalanságot okoz a becslésben.
RészletesebbenSTATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba
Egymintás u-próba STATISZTIKA 2. Előadás Középérték-összehasonlító tesztek Tesztelhetjük, hogy a valószínűségi változónk értéke megegyezik-e egy konkrét értékkel. Megválaszthatjuk a konfidencia intervallum
RészletesebbenVéletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.
Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza
RészletesebbenBeltéri geodéziai mikrohálózat létesítésének tapasztalatai
Beltéri geodéziai mikrohálózat létesítésének tapasztalatai Készítette: Nagy Nándor Antal Építőmérnök Bsc-s hallgató Konzulens: Dr. Égető Csaba Adjunktus, Általános- és Felsőgeodéziai Tanszék 1 Tartalomjegyzék
RészletesebbenMatematikai geodéziai számítások 7.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr. Bácsatyai László Matematikai geodéziai számítások 7. MGS7 modul Súlyozott számtani közép számítása és záróhibák elosztása SZÉKESFEHÉRVÁR 2010 Jelen
RészletesebbenEgymintás próbák. Alapkérdés: populáció <paramétere/tulajdonsága> megegyezik-e egy referencia paraméter értékkel/tulajdonsággal?
Egymintás próbák σ s μ m Alapkérdés: A populáció egy adott megegyezik-e egy referencia paraméter értékkel/tulajdonsággal? egymintás t-próba Wilcoxon-féle előjeles
Részletesebben4. Előadás: Magassági hálózatok tervezése, mérése, számítása. Hálózatok megbízhatósága, bekapcsolás az országos hálózatba
4. előadás: Magassági hálózatok tervezése 4. Előadás: Magassági hálózatok tervezése, mérése, számítása. Hálózatok megbízhatósága, bekapcsolás az országos hálózatba Magassági hálózatok tervezése, mérése
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Kísérlettervezés Cél: a modell paraméterezése a valóság alapján
RészletesebbenRegresszió számítás. Tartalomjegyzék: GeoEasy V2.05+ Geodéziai Kommunikációs Program
Regresszió számítás GeoEasy V2.05+ Geodéziai Kommunikációs Program DigiKom Kft. 2006-2010 Tartalomjegyzék: Egyenes x változik Egyenes y változik Egyenes y és x változik Kör Sík z változik Sík y, x és z
RészletesebbenStatisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
Részletesebbeny ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell
Példa STATISZTIKA Egy gazdálkodó k kukorica hibrid termesztése között választhat. Jelöljük a fajtákat A, B, C, D-vel. Döntsük el, hogy a hibridek termesztése esetén azonos terméseredményre számíthatunk-e.
RészletesebbenStatisztika elméleti összefoglaló
1 Statisztika elméleti összefoglaló Tel.: 0/453-91-78 1. Tartalomjegyzék 1. Tartalomjegyzék.... Becsléselmélet... 3 3. Intervallumbecslések... 5 4. Hipotézisvizsgálat... 8 5. Regresszió-számítás... 11
RészletesebbenTartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE
Tartalomjegyzék 5 Tartalomjegyzék Előszó I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE 1. fejezet: Kontrollált kísérletek 21 1. A Salk-oltás kipróbálása 21 2. A porta-cava sönt 25 3. Történeti kontrollok 27 4. Összefoglalás
RészletesebbenStatisztika I. 9. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 9. előadás Előadó: Dr. Ertsey Imre Statisztikai hipotézis vizsgálatok elsősorban a biometriában alkalmazzák, újabban reprezentatív jellegű ökonómiai vizsgálatoknál, üzemi szinten élelmiszeripari
RészletesebbenMatematikai geodéziai számítások 5.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr Bácsatyai László Matematikai geodéziai számítások 5 MGS5 modul Hibaterjedési feladatok SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenNyílt forráskódú szoftverek a geodéziai gyakorlatban. dr. Siki Zoltán BME Általános- és Felsőgeodézia Tanszék siki.zoltan@epito.bme.
Nyílt forráskódú szoftverek a geodéziai gyakorlatban dr. Siki Zoltán BME Általános- és Felsőgeodézia Tanszék siki.zoltan@epito.bme.hu Szoftver kategóriák licenc szerint Szabad szoftver (nyílt forráskódú)
RészletesebbenGeodéziai mérések feldolgozását támogató programok fejlesztése a GEO-ban
Geodéziai mérések feldolgozását támogató programok fejlesztése a GEO-ban Gyenes Róbert, NYME GEO Geodézia Tanszék, Kulcsár Attila, NYME GEO Térinformatika Tanszék 1. Bevezetés Karunkon a hároméves nappali
RészletesebbenAdatok statisztikai értékelésének főbb lehetőségei
Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek
Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Petrovics Petra Doktorandusz Többváltozós lineáris regressziós modell x 1, x 2,, x p
RészletesebbenGVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet
GVMST22GNC Statisztika II. 3. előadás: 8. Hipotézisvizsgálat Kóczy Á. László Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Hipotézisvizsgálat v becslés Becslés Ismeretlen paraméter Közeĺıtő
RészletesebbenKorreláció és lineáris regresszió
Korreláció és lineáris regresszió Két folytonos változó közötti összefüggés vizsgálata Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi Fizika és Statisztika I. előadás 2016.11.02.
RészletesebbenNagy pontosságú rövidtávú ivóvíz fogyasztás előrejelzés Készítette: Bibok Attila PhD Hallgató MHT XXXIV. Vándorgyűlés
Budapesti Műszaki és Gazdaságtudományi Egyetem Építőmérnöki kar Vízi Közmű és Környezetmérnöki Tanszék Nagy pontosságú rövidtávú ivóvíz fogyasztás előrejelzés Készítette: Bibok Attila PhD Hallgató MHT
RészletesebbenLineáris algebra Gyakorló feladatok
Lineáris algebra Gyakorló feladatok. október.. Feladat: Határozzuk meg a, 4b, c és a b c vektorokat, ha a = (; ; ; ; b = (; ; ; ; c = ( ; ; ; ;.. Feladat: Határozzuk meg a, 4b, a, c és a b; c + b kifejezések
RészletesebbenMéréselmélet MI BSc 1
Mérés és s modellezés 2008.02.15. 1 Méréselmélet - bevezetés a mérnöki problémamegoldás menete 1. A probléma kitűzése 2. A hipotézis felállítása 3. Kísérlettervezés 4. Megfigyelések elvégzése 5. Adatok
RészletesebbenVéletlenszám generátorok és tesztelésük HORVÁTH BÁLINT
Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT Mi a véletlen? Determinisztikus vs. Véletlen esemény? Véletlenszám: számok sorozata, ahol véletlenszerűen követik egymást az elemek Pszeudo-véletlenszám
RészletesebbenMatematikai statisztikai elemzések 6.
Matematikai statisztikai elemzések 6. Regressziószámítás: kétváltozós lineáris és nemlineáris regresszió, többváltozós regresszió Prof. Dr. Závoti, József Matematikai statisztikai elemzések 6.: Regressziószámítás:
Részletesebben6. Előadás. Vereb György, DE OEC BSI, október 12.
6. Előadás Visszatekintés: a normális eloszlás Becslés, mintavételezés Reprezentatív minta A statisztika, mint változó Paraméter és Statisztika Torzítatlan becslés A mintaközép eloszlása - centrális határeloszlás
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
RészletesebbenSTATISZTIKA. ( x) 2. Eloszlásf. 9. gyakorlat. Konfidencia intervallumok. átlag. 45% 40% 35% 30% 25% 20% 15% 10% 5% 0% (cm)
Normális eloszlás sűrűségfüggvénye STATISZTIKA 9. gyakorlat Konfidencia intervallumok f σ π ( µ ) σ ( ) = e /56 p 45% 4% 35% 3% 5% % 5% % 5% Normális eloszlás sűrűségfüggvénye % 46 47 48 49 5 5 5 53 54
RészletesebbenNormális eloszlás paramétereire vonatkozó próbák
Normális eloszlás paramétereire vonatkozó próbák Az alábbi próbák akkor használhatók, ha a meggyelések függetlenek, és feltételezhetjük, hogy normális eloszlásúak a meggyelések függetlenek, véges szórású
RészletesebbenMatematika A2 vizsga mgeoldása június 4.
Matematika A vizsga mgeoldása 03. június.. (a (3 pont Definiálja az f(x, y függvény határértékét az (x 0, y 0 helyen! Megoldás: Legyen D R, f : D R. Legyen az f(x, y függvény értelmezve az (x 0, y 0 pont
RészletesebbenBánhalmi Árpád * Bakos Viktor ** MIÉRT BUKNAK MEG STATISZTIKÁBÓL A JÓ MATEKOSOK?
Bánhalmi Árpád * Bakos Viktor ** MIÉRT BUKNAK MEG STATISZTIKÁBÓL A JÓ MATEKOSOK? A BGF KKFK Nemzetközi gazdálkodás és Kereskedelem és marketing szakjain a hallgatók tanrendjében statisztikai és matematikai
RészletesebbenEloszlás-független módszerek 13. elıadás ( lecke)
Eloszlás-független módszerek 13. elıadás (25-26. lecke) Rangszámokon alapuló korrelációs együttható A t-próbák és a VA eloszlásmentes megfelelıi 25. lecke A Spearman-féle rangkorrelációs együttható A Kendall-féle
RészletesebbenMérnökgeodézia. A mérnöki létesítmények áttekintése, csoportosítása. A mérnöki létesítményekkel kapcsolatos alapfeladatok
Mérnökgeodézia A mérnöki létesítmények áttekintése, csoportosítása. A mérnöki létesítményekkel kapcsolatos alapfeladatok Kapcsolódó jogszabályok Főbb jogszabályok Építési törvény (Étv) Földmérési törvény
RészletesebbenStatisztika Elıadások letölthetık a címrıl
Statisztika Elıadások letölthetık a http://www.cs.elte.hu/~arato/stat*.pdf címrıl Konfidencia intervallum Def.: 1-α megbízhatóságú konfidencia intervallum: Olyan intervallum, mely legalább 1-α valószínőséggel
Részletesebben1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása
HIPOTÉZIS VIZSGÁLAT A hipotézis feltételezés egy vagy több populációról. (pl. egy gyógyszer az esetek 90%-ában hatásos; egy kezelés jelentősen megnöveli a rákos betegek túlélését). A hipotézis vizsgálat
RészletesebbenKabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a
Kabos: Statisztika II. t-próba 9.1 Egymintás z-próba Ha ismert a doboz szórása de nem ismerjük a doboz várhatóértékét, akkor a H 0 : a doboz várhatóértéke = egy rögzített érték hipotézisről úgy döntünk,
RészletesebbenNagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem
agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel
RészletesebbenSTATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.
STATISZTIKA 5 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 MAGY. MAT. TÖRT. KÉM. ANNA BÉLA CILI András hármas. Béla Az átlag 3,5! kettes. Éva ötös. Nóri négyes. 1 mérés: dolgokhoz valamely szabály alapján szám rendelése
RészletesebbenMÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI
MÉRÉSI EREDMÉYEK POTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI. A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk
RészletesebbenHipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58
u- t- Matematikai statisztika Gazdaságinformatikus MSc 2. előadás 2018. szeptember 10. 1/58 u- t- 2/58 eloszlás eloszlás m várható értékkel, σ szórással N(m, σ) Sűrűségfüggvénye: f (x) = 1 e (x m)2 2σ
RészletesebbenMérési hibák 2006.10.04. 1
Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség
RészletesebbenMatematikai programok
Matematikai programok Mátrixalapú nyelvek octave Wettl Ferenc Algebra Tanszék B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Wettl
RészletesebbenGauss elimináció, LU felbontás
Közelítő és szimbolikus számítások 3. gyakorlat Gauss elimináció, LU felbontás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei alapján 1 EGYENLETRENDSZEREK 1. Egyenletrendszerek
RészletesebbenGazdasági matematika II. vizsgadolgozat, megoldással,
Gazdasági matematika II. vizsgadolgozat, megoldással, levelező képzés Definiálja az alábbi fogalmakat! 1. Kvadratikus mátrix invertálhatósága és inverze. (4 pont) Egy A kvadratikus mátrixot invertálhatónak
RészletesebbenKiegészítő előadás. Vizsgabemutató Matlab. Dr. Kallós Gábor, Dr. Szörényi Miklós, Fehérvári Arnold. Széchenyi István Egyetem
Kiegészítő előadás Vizsgabemutató Dr. Kallós Gábor, Dr. Szörényi Miklós, Fehérvári Arnold 2016 2017 1 Virágboltos feladat Egy virágboltban négyféle virágból állítanak össze csokrokat. Az első összeállítás
RészletesebbenTotális Unimodularitás és LP dualitás. Tapolcai János
Totális Unimodularitás és LP dualitás Tapolcai János tapolcai@tmit.bme.hu 1 Optimalizálási feladat kezelése NP-nehéz Hatékony megoldás vélhetően nem létezik Jó esetben hatékony algoritmussal közelíteni
RészletesebbenLineáris algebra 2. Filip Ferdinánd december 7. siva.banki.hu/jegyzetek
Lineáris algebra 2 Filip Ferdinánd filipferdinand@bgkuni-obudahu sivabankihu/jegyzetek 2015 december 7 Filip Ferdinánd 2016 februar 9 Lineáris algebra 2 1 / 37 Az el adás vázlata Determináns Determináns
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement
RészletesebbenNormális eloszlás tesztje
Valószínűség, pontbecslés, konfidenciaintervallum Normális eloszlás tesztje Kolmogorov-Szmirnov vagy Wilk-Shapiro próba. R-funkció: shapiro.test(vektor) balra ferde eloszlás jobbra ferde eloszlás balra
RészletesebbenGyakorló feladatok javítóvizsgára szakközépiskola matematika 9. évfolyam
Gyakorló feladatok javítóvizsgára szakközépiskola matematika 9. évfolyam Halmazok:. Adott két halmaz: A = kétjegyű pozitív, 4-gyel osztható számok B = 0-nél nagyobb, de 0-nál nem nagyobb pozitív egész
RészletesebbenMÉRNÖKGEODÉZIA GBNFMGEOB ÓE AREK GEOINFORMATIKAI INTÉZET
MÉRNÖKGEODÉZIA GBNFMGEOB ÓE AREK GEOINFORMATIKAI INTÉZET MÉRNÖKGEODÉZIA tárgy felépítése Témakör Óraszám Előadások: A mérnökgeodézia fogalma, a tárgy tartalma és témakörei A mérnöki létesítmények tervezésének
RészletesebbenNemparaméteres próbák
Nemparaméteres próbák Budapesti Mőszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék 1111, Budapest, Mőegyetem rkp. 3. D ép. 334. Tel: 463-16-80 Fax: 463-30-91 http://www.vizgep.bme.hu
RészletesebbenA KroneckerCapelli-tételb l következik, hogy egy Bx = 0 homogén lineáris egyenletrendszernek
10. gyakorlat Mátrixok sajátértékei és sajátvektorai Azt mondjuk, hogy az A M n mátrixnak a λ IR szám a sajátértéke, ha létezik olyan x IR n, x 0 vektor, amelyre Ax = λx. Ekkor az x vektort az A mátrix
RészletesebbenVektorterek. =a gyakorlatokon megoldásra ajánlott
Vektorterek =a gyakorlatokon megoldásra ajánlott 40. Alteret alkotnak-e a valós R 5 vektortérben a megadott részhalmazok? Ha igen, akkor hány dimenziósak? (a) L = { (x 1, x 2, x 3, x 4, x 5 ) x 1 = x 5,
RészletesebbenA kivitelezés geodéziai munkái II. Magasépítés
A kivitelezés geodéziai munkái II. Magasépítés Építésirányítási feladatok Kitűzési terv: a tervezési térkép másolatán Az elkészítése a tervező felelőssége Nehézségek: Gyakorlatban a geodéta bogarássza
RészletesebbenMinimum követelmények matematika tantárgyból 11. évfolyamon
Minimum követelmények matematika tantárgyból. évfolyamon A hatványozás általánosítása pozitív alap esetén racionális kitevőre. Műveletek hatványokkal. A, a 0 függvény. Az eponenciális függvény. Vizsgálata
RészletesebbenMatematikai statisztikai programcsomagok gyakorlat
Matematikai statisztikai programcsomagok gyakorlat Statisztikai programok 2. PÓTZH MEGOLDÁS Matematikus BSC képzés 2010.12.09. Állományok: Adott két SAS adatállomány cdr_pot.sas7bdat és a custinform_pot.sas7bdat.
RészletesebbenUAS rendszerekkel végzett légi felmérés kiértékelési és pontossági kérdései
UAS rendszerekkel végzett légi felmérés kiértékelési és pontossági kérdései Dr. habil. Jancsó Tamás Óbudai Egyetem, Alba Regia Műszaki Kar, Geoinformatikai Intézet E-mail: jancso.tamas@amk.uni-obuda.hu
Részletesebbenföldtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás
Matematikai statisztika elıadás, földtudományi BSc (geológus szakirány) 2014/2015 2. félév 6. elıadás Konfidencia intervallum Def.: 1-α megbízhatóságú konfidencia intervallum: Olyan intervallum, mely legalább
RészletesebbenÁltalánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg
LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott
RészletesebbenKét diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat
Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi fizika és statisztika I. előadás 2016.11.09 Orvosi
RészletesebbenA mérési eredmény megadása
A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk meg: a determinisztikus és a véletlenszerű
RészletesebbenYBL - SGYMMAT2012XA Matematika II.
YBL - SGYMMAT2012XA Matematika II. Tantárgyfelelős: Dr. Joós Antal Tárgyelőadó: Dr. Joós Antal Tantárgyi leírás Oktatási cél: Azoknak a matematikai alapoknak a megszerzése, melyek a szaktárgyak elsajátításához
Részletesebbenx, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:
Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.
RészletesebbenGauss-eliminációval, Cholesky felbontás, QR felbontás
Közelítő és szimbolikus számítások 4. gyakorlat Mátrix invertálás Gauss-eliminációval, Cholesky felbontás, QR felbontás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei
Részletesebben